論文の概要: Image Reconstruction from Phase with Untrained Neural Priors

• arxiv url: http://arxiv.org/abs/2609.30659v1
• Date: Fri, 25 Sep 2026 00:55:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.179202
• Title: Image Reconstruction from Phase with Untrained Neural Priors
• Title（参考訳）: 未訓練神経前駆体を用いた位相からの画像再構成
• Abstract要約: 本稿では、フーリエ位相と空間的支持制約と、画像固有のニューラルプレファレンスを併用したプロジェクションベースのフレームワークを提案する。 77個の顕微鏡画像に対する2つのニューラル・プライア実装を評価し,それらを制約のみのベースラインと比較した。 最高性能のPSNRは31.41dB、PSNRは35.75dB、SSIMは0.9531であり、PSNRは1.51dB改善され、MSEは29.3%減少している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fourier phase encodes important spatial image structure, but recovering an image without measured spectral magnitude requires additional constraints and leaves absolute intensity ambiguous. We propose a projection-based two-stage framework that combines Fourier-phase and spatial-support constraints with an image-specific neural prior. The first stage alternates constraint enforcement with regularized neural-prior updates, while the second performs phase/support refinement alone with guaranteed convergence. We evaluate two neural-prior implementations on the same 77 microscopy images and compare them with a constraint-only baseline. After 500 final refinement passes, the best-performing variant achieves 31.41 dB pooled PSNR, 35.75 dB mean PSNR, and 0.9531 mean SSIM, improving pooled PSNR by 1.51~dB and reducing pooled MSE by 29.3% relative to the baseline. The results demonstrate the benefit of combining neural guidance with explicit constraint refinement at the evaluated iteration budget, while showing that lower phase residual alone does not guarantee greater reconstruction accuracy.
• Abstract（参考訳）: フーリエ位相は重要な空間像構造を符号化するが、スペクトル等級を計測せずに像を復元するには追加の制約が必要であり、絶対強度は曖昧である。 本稿では、フーリエ位相と空間的支持制約と、画像固有のニューラルプレファレンスとを組み合わせたプロジェクションベースの2段階フレームワークを提案する。 第1段階は、規則化されたニューラルプライア更新と制約執行を交互に行い、第2段階は、コンバージェンスを保証して、フェーズ/サポートリファインメントのみを実行する。 77個の顕微鏡画像に対する2つのニューラル・プライア実装を評価し,それらを制約のみのベースラインと比較した。 500回の最終改良の後、最高性能のPSNRは31.41dB、PSNRは35.75dB、SSIMは0.9531となり、PSNRは1.51〜dB改善され、MSEはベースラインに対して29.3%削減された。 その結果, 繰り返し予算の評価において, ニューラルガイダンスと明示的制約改善を併用することの利点が示され, 下位位相残差だけではより高い再構成精度が保証されないことがわかった。

関連論文リスト

• Three-Dimensional Retinal Microvasculature Restoration in OCT Angiography [4.442929593591647]
  本稿では,1つのOCTAボリュームから解剖学的血管を復元する深層学習アルゴリズムを提案する。 提案モデルでは,元のOCTAボリュームに比べて画質が大幅に向上した。
  論文  参考訳（メタデータ） (2026-06-03T19:23:09Z)
• A Principled Self-Referenced Early Stopping Approach for Deep Image Prior [11.99863900194054]
  劣化画像の2つの独立ノイズコピーが利用可能である場合に、ほぼ最適なDIP早期停止が達成できることを示す。 本稿では、擬似自己参照画像の構築に基づく過適合検出フレームワークを提案し、3つのIP固有アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-05-24T23:35:13Z)
• Restoration-Aligned Generative Flow Models for Blind Motion Deblurring [57.425021485907756]
  本稿では,フロー軌跡自体を再構成することで,不整合を解消するフレームワークであるDeFlowを紹介する。 この定式化の下では、標準フローマッチング損失は自然に残留損失の形を取る。 GoPro、HIDE、RealBlur、RWBIの実験では、DeFlowは強力な復元忠実性と知覚リアリズムを実現している。
  論文  参考訳（メタデータ） (2026-05-09T10:05:51Z)
• LAFR: Efficient Diffusion-based Blind Face Restoration via Latent Codebook Alignment Adapter [52.93785843453579]
  低品質(LQ)画像からのブラインド顔復元は、高忠実度画像再構成と顔認証の保存を必要とする課題である。 LAFRは,LQ画像の潜時分布とHQ画像の潜時分布を一致させる,新しいコードブックベースの潜時空間アダプタである。 FFHQデータセットのわずか0.9%での拡散の軽量な微調整は、最先端の手法に匹敵する結果を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2025-05-29T14:11:16Z)
• Chasing Better Deep Image Priors between Over- and Under-parameterization [63.8954152220162]
  そこで本研究では,DNN固有の空間性を利用して,LIP(lottery image prior)を新たに検討する。 LIPworksは、コンパクトなモデルサイズでディープデコーダを著しく上回っている。 また、LIPを圧縮センシング画像再構成に拡張し、事前学習したGANジェネレータを前者として使用する。
  論文  参考訳（メタデータ） (2024-10-31T17:49:44Z)
• Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
  我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。 単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
  論文  参考訳（メタデータ） (2024-06-12T02:48:52Z)
• Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam CT [7.497397088625152]
  本稿では,高速かつメモリ効率の良いCBCT再構成手法であるLIRE+を提案する。 LIRE+ は CBCT 再構成のための多変量学習非可逆原始双対反復スキームである。 本手法は, ソラックステストセット上でのLIREを含む古典的および深層学習ベースラインを超越した手法である。
  論文  参考訳（メタデータ） (2024-01-20T15:29:29Z)
• The Impact of Loss Functions and Scene Representations for 3D/2D Registration on Single-view Fluoroscopic X-ray Pose Estimation [1.758213853394712]
  我々はまずデジタル再構成ラジオグラフィー(DRR)の効率的な計算のための微分可能プロジェクションレンダリングフレームワークを開発する。 次に, 合成したDRRの画像差を, 地表面の蛍光X線画像に対して定量化する, 様々な候補損失関数を用いて, 反復降下によるポーズ推定を行う。 Mutual Information Loss を用いて,50 人の頭蓋骨の断層X線データを用いて行ったポーズ推定を総合的に評価した結果,DiffProj における識別 (CBCT) とニューラル (NeTT/mNeRF) のシーン表現のどちらを用いたかが示唆された。
  論文  参考訳（メタデータ） (2023-08-01T01:12:29Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。